已验证75% 置信事实精确时间
归一化流通过可逆变换能够利用变量替换公式精确计算数据的对数似然，实现精确的密度估计而非近似推断
3
来源数
75%
置信度
长期有效
时效性
2026/9/5
首次发现
来源
涉及实体
相关事实
待验证归一化流是一类通过叠加可逆、可微变换来构造复杂概率分布的深度生成模型，利用变量替换公式结合雅可比行列式表达密度77% 相似待验证标准化流通过可逆变换实现精确的密度计算，能量模型通过未归一化的能量函数隐式定义分布76% 相似待验证常见的后校准技术包括温度缩放（Temperature Scaling）、Platt Scaling 和等渗回归（Isotonic Regression），通过在独立验证集上拟合修正函数将原始输出重新映射为更可靠的概率估计而无需重新训练模型68% 相似待验证直推式范式中计算均匀分布在每个输出token上，归纳式范式中模型可在思考token上投入大量计算而最终答案token相对轻量67% 相似待验证Rectified Flow 是流匹配的一种具体实现，将源分布与目标分布之间的路径拉直为直线，使积分步数更少、生成效率更高67% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/860366API
curl https://kongchang.com/api/v1/knowledge/claims/860366MCP
get_claim(id=860366)